Snabbstart: Förståelse för konversationsspråk

Förutsättningar

• Azure-prenumeration. Om du inte har en kan du skapa en kostnadsfritt.
• Nödvändiga behörigheter. Kontrollera att personen som upprättar kontot och projektet har tilldelats rollen som Azure AI-kontoägare på prenumerationsnivå. Du kan också ha rollen Deltagare eller Cognitive Services-deltagare i prenumerationsomfånget. Mer information finns iRollbaserad åtkomstkontroll (RBAC).
• Azure AI Foundry-resurs. Mer information finns iKonfigurera en Azure AI Foundry-resurs. Alternativt kan du använda en Azure AI Language-resurs.
• Ett Foundry-projekt som skapats i Azure AI Foundry. Mer information finns iSkapa ett AI Foundry-projekt.

Kom igång med Azure AI Foundry

För att slutföra den här snabbstarten behöver du ett clu-projekt (Conversational Language Understanding) som innehåller ett definierat schema och märkta yttranden.

Du kan ladda ned vår exempelprojektfil, som är förkonfigurerad med både ett schema och märkta yttranden. Det här projektet möjliggör förutsägelse av användaravsikt för kommandon som att läsa e-postmeddelanden, ta bort e-postmeddelanden och koppla dokument till e-postmeddelanden.

Vi börjar:

1. Gå till Azure AI Foundry.
2. Om du inte redan är inloggad uppmanar portalen dig att göra det med dina Azure-autentiseringsuppgifter.
3. När du har loggat in kan du skapa eller komma åt dina befintliga projekt i Azure AI Foundry.
4. Om du inte redan är i projektet för den här uppgiften väljer du den.
5. I det vänstra navigeringsfönstret väljer du Lekplatser, navigerar till panelen Språklekplats och väljer sedan knappen Prova lekplats för språk .

Prova språklekplatsen

Det översta avsnittet i Language playground är där du kan visa och välja de tillgängliga språktjänsterna.

1. Välj panelen För att förstå konversationsspråk .

   

2. Bläddra sedan till och välj knappen Finjustera .

   

3. I fönstret Skapa tjänstens finjustering väljer du kortet För att förstå konversationsspråk . Välj sedan Nästa.

   

4. I fönstret Skapa clu-finjusteringsaktivitet väljer du Importera ett befintligt projekt och väljer sedan din anslutna tjänst i den nedrullningsbara menyn och slutför fältet Namn .

   

5. Lägg sedan till exempelprojektfilen som du laddade ned tidigare till uppladdningsområdet.

6. Välj knappen Skapa . Det kan ta några minuter innan skapandeåtgärden har slutförts.

7. När du har skapat ditt finjusterande aktivitetsprojekt öppnas sidan Komma igång med finjustering .

   

Träna din modell

När projektet har skapats är nästa steg schemakonstruktion och talindataetiketter. För den här snabbstarten är de här stegen förkonfigurerade i exempelprojektet. Därför kan du starta ett träningsjobb genom att välja Träna modell på menyn Komma igång för att generera din modell.

1. ➕Välj knappen Träna modell i fönstret Träna din modell.

   

2. Fyll i formuläret Välj ett läge genom att fylla i fältet Modellnamn och välja ett träningsläge. För den här snabbstarten väljer du det kostnadsfria standardträningsläget . Mer information finns iTräningslägen.

3. Välj en träningsversion i den nedrullningsbara menyn och välj sedan knappen Nästa .

4. Kontrollera dina val i fönstret Granska och välj sedan knappen Skapa

   

Distribuera din modell

När du har tränat en modell granskar du vanligtvis dess utvärderingsinformation. I den här snabbstarten kan du bara distribuera din modell och göra den tillgänglig för testning på Språklekplatsen, eller genom att anropa förutsägelse-API:et. Men om du vill kan du ta en stund att välja Utvärdera din modell från menyn till vänster och utforska den djupgående telemetrin för din modell. Slutför följande steg för att distribuera din modell i Azure AI Foundry:

1. Välj Distribuera modell på menyn till vänster.

2. Välj ➕sedan Distribuera en tränad modell från fönstret Distribuera din modell .

   

3. Kontrollera att knappen Skapa en ny distribution är markerad.

4. Slutför fälten Distribuera en tränad modellfönster :

   • Skapa ett distributionsnamn.

   • Välj din tränade modell på den nedrullningsbara menyn Tilldela en modell .

   • Välj en prenumeration på den nedrullningsbara menyn Prenumeration .

   • Välj en region i listrutan Region .

   • Välj en resurs på den nedrullningsbara menyn Resurs . Resursen måste finnas i samma distributionsregion.

     

5. Välj slutligen knappen Skapa . Det kan ta några minuter innan modellen distribueras.

6. När distributionen har slutförts kan du visa din modells distributionsstatus på sidan Distribuera din modell . Förfallodatumet som visas markerar det datum då din distribuerade modell blir otillgänglig för förutsägelseaktiviteter. Det här datumet är vanligtvis 18 månader efter att en träningskonfiguration har distribuerats.

   

7. Från menyn längst till vänster navigerar du till Språklekplatsen.
   Lekplatser → Språklekplats (Prova språklekplatsen).

8. Välj kortet För att förstå konversationsspråk .

9. Ett konfigurationsfönster med din distribuerade modell bör visas i huvud-/mittfönstret.

10. I textrutan anger du ett yttrande som ska testas. Om du till exempel använde vårt exempelprojektprogram för e-postrelaterade yttranden kan du ange Kontrollera e-post.

11. När du har angett testtexten väljer du knappen Kör .

    

12. När du har kört testet bör du se svaret från modellen i resultatet.

    

13. Du kan visa resultatet i en text- eller JSON-formatvy.

    

Det var allt, grattis!

I den här snabbstarten distribuerade du en CLU-modell och testade den i Azure AI Foundry Language Playground. Lär dig sedan hur du skapar ett eget finjusteringsprojekt för dina program och arbetsflöden.

Rensa resurser

Om du inte längre behöver projektet kan du ta bort det från Azure AI Foundry.

1. Gå till startsidan för Azure AI Foundry . Initiera autentiseringsprocessen genom att logga in, såvida du inte redan har slutfört det här steget och sessionen är aktiv.

2. Välj det projekt som du vill ta bort från Keep building with Azure AI Foundry (Fortsätt att skapa med Azure AI Foundry)

3. Välj Hanteringscenter.

4. Välj Ta bort projekt.

   

Så här tar du bort hubben tillsammans med alla dess projekt:

1. Gå till fliken Översikt i avsnittet Hubb .

   

2. Till höger väljer du Ta bort hubb.

3. Länken öppnar Azure-portalen där du kan ta bort hubben där.

   

Förutsättningar

• Azure-prenumeration – Skapa en kostnadsfritt.

Skapa en ny resurs från Azure Portal

1. Logga in på Azure Portal för att skapa en ny Azure AI Language-resurs.

2. Välj Skapa en ny resurs.

3. I fönstret som visas söker du efter Språktjänst.

4. Välj Skapa.

5. Skapa en språkresurs med följande information:

   Instansinformation	Obligatoriskt värde
   Region	En av de stödda regionerna för språkresursen.
   Namn	Obligatoriskt namn för språkresursen.
   Prisnivå	En av de prisnivåer som stöds för din Språkresurs.

Hämta dina resursnycklar och slutpunkt

1. Gå till resursöversiktssidan i Azure Portal.

2. På menyn till vänster väljer du Nycklar och Slutpunkt. Du behöver slutpunkten och nyckeln för API-begäranden.

   

Importera ett nytt CLU-exempelprojekt

När du har skapat en språkresurs skapar du ett projekt för förståelse av konversationsspråk. Ett projekt är ett arbetsområde för att skapa dina anpassade ML-modeller baserat på dina data. Endast du och andra som har åtkomst till språkresursen som används kan komma åt projektet.

För den här snabbstarten kan du ladda ned det här exempelprojektet och importera det. Det här projektet kan förutsäga de avsedda kommandona från användarindata, till exempel: läsa e-postmeddelanden, ta bort e-postmeddelanden och koppla ett dokument till ett e-postmeddelande.

Starta importprojektjobbet

Skicka en POST begäran med hjälp av följande URL, rubriker och JSON-brödtext för att importera projektet.

Begärans-URL

Använd följande URL när du skapar din API-begäran. Ersätt platshållarvärdena med dina egna värden.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt och måste matcha projektnamnet i JSON-filen som du importerar.	EmailAppDemo
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Kropp

JSON-innehållet du skickar liknar följande exempel. Mer information om JSON-objektet finns i referensdokumentationen.

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Conversation",
    "settings": {
      "confidenceThreshold": 0.7
    },
    "projectName": "{PROJECT-NAME}",
    "multilingual": true,
    "description": "Trying out CLU",
    "language": "{LANGUAGE-CODE}"
  },
  "assets": {
    "projectKind": "Conversation",
    "intents": [
      {
        "category": "intent1"
      },
      {
        "category": "intent2"
      }
    ],
    "entities": [
      {
        "category": "entity1"
      }
    ],
    "utterances": [
      {
        "text": "text1",
        "dataset": "{DATASET}",
        "intent": "intent1",
        "entities": [
          {
            "category": "entity1",
            "offset": 5,
            "length": 5
          }
        ]
      },
      {
        "text": "text2",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "intent2",
        "entities": []
      }
    ]
  }
}

Nyckel	Platshållare	Värde	Exempel
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01
projectName	{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	EmailAppDemo
language	{LANGUAGE-CODE}	En sträng som anger språkkoden för de yttranden som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta yttrandena.	en-us
multilingual	true	Ett booleskt värde som gör att du kan ha dokument på flera språk i datauppsättningen. När din modell har distribuerats kan du fråga modellen på valfritt språk som stöds, inklusive språk som inte ingår i dina träningsdokument.	true
dataset	{DATASET}	Information om hur du delar upp dina data mellan en test- och träningsuppsättning finns i Märka dina yttranden i AI Foundry. Möjliga värden för det här fältet är Train och Test.	Train

Efter en lyckad begäran innehåller API-svaret en operation-location rubrik med en URL som du kan använda för att kontrollera status för importjobbet. Rubriken är formaterad som i det här exemplet:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Hämta status för importjobbet

När du skickar en lyckad projektimportbegäran finns den fullständiga begärande-URL:en för att kontrollera importjobbets status (inklusive din slutpunkt, projektnamn och jobb-ID) i svarets operation-location huvud.

Använd följande GET-begäran för att fråga efter status för importjobbet. Du kan använda den URL som du fick från föregående steg eller ersätta platshållarvärdena med dina egna värden.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{JOB-ID}	ID:t för att hitta statusen för importjobbet.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	beskrivning	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.	{YOUR-PRIMARY-RESOURCE-KEY}

Svarskropp

När du har skickat begäran får du följande svar. Fortsätt att avsöka den här slutpunkten tills statusparametern ändras till "lyckades".

{
  "jobId": "xxxxx-xxxxx-xxxx-xxxxx",
  "createdDateTime": "2022-04-18T15:17:20Z",
  "lastUpdatedDateTime": "2022-04-18T15:17:22Z",
  "expirationDateTime": "2022-04-25T15:17:20Z",
  "status": "succeeded"
}

Börja träna din modell

När du har skapat ett projekt bör du vanligtvis skapa schema och tagga yttranden. I den här snabbstarten har vi redan importerat ett färdigt projekt med inbyggda scheman och taggade yttranden.

Skapa en POST-begäran med hjälp av följande URL, rubriker och JSON-brödtext för att skicka ett träningsjobb.

Begärans-URL

Använd följande URL när du skapar din API-begäran. Ersätt platshållarvärdena med dina egna värden.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	EmailApp
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Begärandetext

Använd följande objekt i din begäran. Modellen namnges efter det värde som du använder för parametern modelLabel när träningen är klar.

{
  "modelLabel": "{MODEL-NAME}",
  "trainingMode": "{TRAINING-MODE}",
  "trainingConfigVersion": "{CONFIG-VERSION}",
  "evaluationOptions": {
    "kind": "percentage",
    "testingSplitPercentage": 20,
    "trainingSplitPercentage": 80
  }
}

Nyckel	Platshållare	Värde	Exempel
modelLabel	{MODEL-NAME}	Namnet på din modell.	Model1
trainingConfigVersion	{CONFIG-VERSION}	Träningskonfigurationsmodellens version. Som standard används den senaste modellversionen .	2022-05-01
trainingMode	{TRAINING-MODE}	Träningsläget som ska användas för träning. Lägen som stöds är Standardträning, snabbare träning, men endast tillgänglig för engelska och Avancerad träning som stöds för andra språk och flerspråkiga projekt, men innebär längre träningstider. Läs mer om träningslägen.	standard
kind	percentage	Dela upp metoder. Möjliga värden är percentage eller manual. Se hur man tränar en modell för mer information.	percentage
trainingSplitPercentage	80	Procentandel av dina taggade data som ska ingå i träningsuppsättningen. Rekommenderat värde är 80.	80
testingSplitPercentage	20	Procentandel av dina taggade data som ska ingå i testuppsättningen. Rekommenderat värde är 20.	20

När du har skickat din API-begäran får du ett 202 svar som anger att det har lyckats. Extrahera operation-location-värdet från svarshuvudena. Den formateras så här:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Du kan använda den här URL:et för att få reda på träningsjobbets status.

Hämta status för träningsjobbet

Träningen kan ta tid att slutföra – ibland mellan 10 och 30 minuter. Du kan använda följande begäran för att fortsätta avsöka status för träningsjobbet tills det har slutförts.

När du skickar en lyckad utbildningsbegäran finns den fullständiga begärande-URL:en för att kontrollera jobbets status (inklusive din slutpunkt, projektnamn och jobb-ID) i svarets operation-location huvud.

Använd följande GET-begäran för att få status för din modells träningsförlopp. Ersätt platshållarvärdena nedan med dina egna värden.

Begärans-URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{YOUR-ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	EmailApp
{JOB-ID}	ID:t för att hitta modellens träningsstatus.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Svarsbody

När du har skickat begäran får du följande svar. Fortsätt att avsöka den här slutpunkten tills statusparametern ändras till "lyckades".

{
  "result": {
    "modelLabel": "{MODEL-LABEL}",
    "trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
    "trainingMode": "{TRAINING-MODE}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "xxxxx-xxxxx-xxxx-xxxxx-xxxx",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

Nyckel	Värde	Exempel
modelLabel	Modellens namn	Model1
trainingConfigVersion	Träningskonfigurationsversionen. Som standard används den senaste versionen .	2022-05-01
trainingMode	Ditt valda träningsläge.	standard
startDateTime	Den tid då träningen började	2022-04-14T10:23:04.2598544Z
status	Status för träningsjobbet	running
estimatedEndDateTime	Beräknad tid för att träningsjobbet ska slutföras	2022-04-14T10:29:38.2598544Z
jobId	Ditt träningsjobbs-ID	xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx
createdDateTime	Datum och tid för att skapa utbildningsjobb	2022-04-14T10:22:42Z
lastUpdatedDateTime	Datum och tid för senaste uppdatering av träningsjobbet	2022-04-14T10:23:45Z
expirationDateTime	Förfallodatum och tid för träningsjobb	2022-04-14T10:22:42Z

Distribuera din modell

Vanligtvis efter att du har tränat en modell skulle du granska dess utvärderingsresultat. I den här snabbstarten distribuerar du din modell och anropar förutsägelse-API :et för att fråga efter resultaten.

Skicka distributionsjobb

Skapa en PUT-begäran med hjälp av följande URL, rubriker och JSON-brödtext för att börja distribuera en modell för förståelse av konversationsspråk.

Begärans-URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{DEPLOYMENT-NAME}	Namnet på distributionen. Det här värdet är skiftlägeskänsligt.	staging
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Begärandekropp

{
  "trainedModelLabel": "{MODEL-NAME}",
}

Nyckel	Platshållare	Värde	Exempel
tränadModellEtikett	{MODEL-NAME}	Modellnamnet som ska tilldelas din distribution. Du kan bara tilldela modeller som har tränats framgångsrikt. Det här värdet är skiftlägeskänsligt.	myModel

När du har skickat din API-begäran får du ett 202 svar som anger att det har lyckats. Extrahera operation-location-värdet från svarshuvudena. Den formateras så här:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Du kan använda den här URL:en för att hämta distributionsjobbets status.

Hämta status för distributionsjobb

När du skickar en lyckad distributionsbegäran finns den fullständiga begärande-URL:en för att kontrollera jobbets status (inklusive din slutpunkt, projektnamn och jobb-ID) i svarets operation-location huvud.

Använd följande GET-begäran för att hämta status för distributionsjobbet. Ersätt platshållarvärdena med dina egna värden.

Begärans-URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{DEPLOYMENT-NAME}	Namnet på distributionen. Det här värdet är skiftlägeskänsligt.	staging
{JOB-ID}	ID:t för att hitta modellens träningsstatus.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Svarsbody

När du har skickat begäran får du följande svar. Fortsätt att avsöka den här slutpunkten tills statusparametern ändras till "lyckades".

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Frågemodell

När din modell har distribuerats kan du börja använda den för att göra förutsägelser via förutsägelse-API:et.

När distributionen är klar kan du börja fråga din distribuerade modell om förutsägelser.

Skapa en POST-begäran med hjälp av följande URL, rubriker och JSON-brödtext för att börja testa en modell för förståelse av konversationsspråk.

Begärans-URL

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Begärandetext

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "id": "1",
      "participantId": "1",
      "text": "Text 1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "stringIndexType": "TextElement_V8"
  }
}

Nyckel	Platshållare	Värde	Exempel
participantId	{JOB-NAME}		"MyJobName
id	{JOB-NAME}		"MyJobName
text	{TEST-UTTERANCE}	Yttrandet som du vill förutsäga dess avsikt och extrahera entiteter från.	"Read Matt's email
projectName	{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
deploymentName	{DEPLOYMENT-NAME}	Namnet på din implementering. Det här värdet är skiftlägeskänsligt.	staging

När du skickar begäran får du följande svar för förutsägelsen

Svarskropp

{
  "kind": "ConversationResult",
  "result": {
    "query": "Text1",
    "prediction": {
      "topIntent": "inten1",
      "projectKind": "Conversation",
      "intents": [
        {
          "category": "intent1",
          "confidenceScore": 1
        },
        {
          "category": "intent2",
          "confidenceScore": 0
        },
        {
          "category": "intent3",
          "confidenceScore": 0
        }
      ],
      "entities": [
        {
          "category": "entity1",
          "text": "text1",
          "offset": 29,
          "length": 12,
          "confidenceScore": 1
        }
      ]
    }
  }
}

Nyckel	Exempelvärde	beskrivning
förfrågan	"Läs Matts e-post"	texten som du skickade för sökfrågan.
topIntent	"Läs"	Den förutsagda avsikten med högsta konfidenspoäng.
Avsikter	[]	En lista över alla avsikter som förutsagts för frågetexten var och en av dem med en konfidenspoäng.
entiteter	[]	array som innehåller en lista över extraherade entiteter från texten i frågan.

API-svar för ett konversationsprojekt

I ett konversationsprojekt får du förutsägelser för både dina avsikter och entiteter som finns i projektet.

• Avsikterna och entiteterna innehåller en konfidenspoäng mellan 0,0 och 1,0 som är associerade med hur säker modellen är på att förutsäga ett visst element i projektet.
• Avsikten med högsta poäng finns i den egna parametern.
• Endast förutsagda entiteter visas i ditt svar.
• Entiteter anger:
  • Texten för entiteten som extraherades
  • Startplatsen anges med ett förskjutningsvärde
  • Längden på entitetstexten som anges med ett längdvärde.

Rensa resurser

När du inte längre behöver projektet kan du ta bort projektet med hjälp av API:erna.

Skapa en DELETE begäran med hjälp av följande URL, rubriker och JSON-brödtext för att ta bort ett projekt för förståelse av konversationsspråk.

Begärans-URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{API-VERSION}	Den version av API:et som du anropar.	2023-04-01

Rubriker

Använd följande rubrik för att autentisera din begäran.

Nyckel	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

När du har skickat din API-begäran får du ett 202 svar som anger att projektet lyckades, vilket innebär att projektet har tagits bort.